分類導(dǎo)航

卷積神經(jīng)網(wǎng)絡(luò)(CNN)模型結(jié)構(gòu)

發(fā)布時(shí)間：2017年03月02日作者：文章轉(zhuǎn)自網(wǎng)絡(luò)，版權(quán)歸原作者所有，反饋可立刻刪除 (該文來自筆記，點(diǎn)擊查看原文)

在前面我們講述了DNN的模型與前向反向傳播算法。而在DNN大類中，卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks，以下簡稱CNN)是最為成功的DNN特例之一。CNN廣泛的應(yīng)用于圖像識(shí)別，當(dāng)然現(xiàn)在也應(yīng)用于NLP等其他領(lǐng)域，本文我們就對CNN的模型結(jié)構(gòu)做一個(gè)總結(jié)。

　　　　在學(xué)習(xí)CNN前，推薦大家先學(xué)習(xí)DNN的知識(shí)。如果不熟悉DNN而去直接學(xué)習(xí)CNN，難度會(huì)比較的大。這是我寫的DNN的教程：

深度神經(jīng)網(wǎng)絡(luò)（DNN）模型與前向傳播算法

深度神經(jīng)網(wǎng)絡(luò)（DNN）反向傳播算法(BP)

深度神經(jīng)網(wǎng)絡(luò)（DNN）損失函數(shù)和激活函數(shù)的選擇

深度神經(jīng)網(wǎng)絡(luò)（DNN）的正則化

1. CNN的基本結(jié)構(gòu)

　　　　首先我們來看看CNN的基本結(jié)構(gòu)。一個(gè)常見的CNN例子如下圖：

我想了解如何學(xué)習(xí)

分類導(dǎo)航

卷積神經(jīng)網(wǎng)絡(luò)(CNN)模型結(jié)構(gòu)

1. CNN的基本結(jié)構(gòu)

延伸閱讀

我想了解如何學(xué)習(xí)